一、统计方法在业务分析中的重要性

（一）数据驱动决策的基础

1. 客观性 ：统计方法基于数学原理和数据，避免了主观判断的偏差。例如，在评估两种不同营销策略的效果时，通过统计分析实际销售数据，而不是凭借个人感觉或经验来判断哪种策略更有效。
2. 可靠性 ：通过合理的抽样和分析方法，统计能够提供具有代表性和稳定性的结果。例如，对大规模客户满意度调查数据进行统计分析，能够准确反映客户整体的满意度水平，为改进产品和服务提供可靠依据。

（二）洞察业务趋势和模式

1. 趋势识别 ：通过时间序列分析等统计方法，发现业务数据中的长期趋势和季节性波动。例如，分析过去几年的销售数据，发现某产品在每年夏季销量都会显著上升，企业可以据此提前规划库存和营销活动。
2. 模式发现 ：统计方法能够揭示数据中的隐藏模式和关联关系。例如，运用相关性分析发现产品销量与广告投入、经济指标之间的量化关系，为企业制定精准营销策略提供支持。

（三）支持业务预测和规划

1. 预测未来表现 ：构建统计预测模型，如线性回归、时间序列模型等，预测未来的销售、市场需求、收入等关键指标。例如，零售商根据历史销售数据和市场趋势预测下季度各产品的销售量，合理安排采购和库存管理。
2. 风险评估与管理 ：利用统计模型评估业务风险，如信用风险、市场风险等。例如，银行通过分析借款人的财务数据和信用历史，运用逻辑回归模型预测贷款违约概率，制定合理的信贷政策和风险控制措施。

mermaid 总结

二、描述性统计：理解数据的基础

（一）集中趋势的度量

1. 均值 ：所有数据的平均值，适用于对数据整体水平的概括。例如，计算某部门员工的平均工资，了解该部门薪资水平的总体情况。
2. 中位数 ：将数据从小到大排序后位于中间位置的值，不受极端值影响。例如，在分析房地产价格时，中位数价格比均值更能反映普通房屋的价格水平，避免少数豪华别墅价格对整体水平的扭曲。
3. 众数 ：数据中出现次数最多的值，用于描述数据的最常见状态。例如，统计某品牌服装在不同尺码中的销售数量，众数尺码即为最受欢迎的尺码，为企业库存管理和生产计划提供依据。

（二）离散程度的度量

1. 极差 ：数据中的最大值与最小值之差，反映数据的范围变化。例如，分析一周内股票价格的极差，了解股价波动幅度。
2. 方差和标准差 ：方差是各数据与均值差值的平方的平均值，标准差是方差的平方根，衡量数据的离散程度。例如，在评估不同投资组合的风险时，标准差越大，表示投资组合的收益波动性越高，风险越大。

（三）分布形状的度量

1. 偏度 ：衡量数据分布的对称性，偏度为 0 表示对称分布，正值表示右偏，负值表示左偏。例如，分析消费者购买金额的分布，若分布右偏，说明大部分消费者的购买金额集中在较低区间，少数消费者有高额购买行为。
2. 峰度 ：衡量数据分布的陡峭程度，峰度大于 3 表示尖峰分布，小于 3 表示平峰分布。例如，在质量控制中分析产品尺寸的测量数据，高峰度可能表示生产过程中存在不稳定因素，需要进一步调查。

描述性统计案例分析

假设我们有一组某公司员工的年龄数据：22、24、25、28、30、31、35、38、40、42。

• 均值 ：(22 + 24 + 25 + 28 + 30 + 31 + 35 + 38 + 40 + 42)/10 = 31.7 岁
• 中位数 ：将数据排序后，中间两个数为 30 和 31，中位数为 (30 + 31)/2 = 30.5 岁
• 众数 ：该数据集中没有重复数值，故无众数
• 极差 ：42 - 22 = 20 岁
• 方差 ：计算过程较为复杂，这里直接给出结果为 55.13 平方岁
• 标准差 ：√55.13 ≈ 7.42 岁

通过这些描述性统计指标，我们可以对该公司的员工年龄结构有一个初步的了解，如员工平均年龄 31.7 岁，年龄主要集中在 22 - 42 岁之间，数据分布相对分散。

描述性统计方法总结表格

mermaid 总结

三、假设检验：验证业务假设

（一）假设检验的基本原理

1. 假设的建立 ：包括原假设（H0）和备择假设（H1）。原假设通常表示没有效应或没有差异，备择假设则表示存在效应或差异。例如，在测试一种新药对疾病的疗效时，原假设为新药与安慰剂的治愈率无差异，备择假设为新药的治愈率高于安慰剂。
2. 检验统计量 ：根据数据类型和检验目的选择合适的检验统计量，如 Z 统计量、T 统计量等。它衡量样本统计量与原假设之间的差异程度。
3. P 值与决策 ：P 值是假设检验中一个重要指标，表示在原假设成立的情况下，观察到当前样本结果或更极端结果的概率。若 P 值小于设定的显著性水平（如 0.05），则拒绝原假设，接受备择假设。

（二）常见假设检验方法

1. Z 检验 ：用于检验样本均值与已知总体均值之间的差异，或两个样本均值之间的差异，适用于大样本且总体标准差已知的情况。例如，某饮料生产企业声称其生产的瓶装饮料平均容量为 500ml，质量监督部门抽取 100 瓶样本进行检测，使用 Z 检验判断该企业的产品是否符合标注容量。
2. T 检验 ：用于检验样本均值与已知总体均值之间的差异，或两个样本均值之间的差异，适用于小样本且总体标准差未知的情况。例如，比较两种不同教学方法对学生考试成绩的影响，分别抽取两个小班学生的成绩数据进行 T 检验，判断两种教学方法的效果是否存在显著差异。
3. 卡方检验 ：用于检验分类变量之间的关联性或拟合优度。例如，在市场调研中，调查消费者对不同品牌的偏好与性别之间的关系，通过卡方检验判断品牌偏好与性别是否独立无关。

假设检验案例分析

某互联网公司推出了一款新的手机应用，在两个不同的城市（城市 A 和城市 B）进行了为期一个月的推广测试，收集了以下用户数据：

为了检验城市 A 和城市 B 的用户活跃度是否存在显著差异，我们可以使用比例的 Z 检验。假设显著性水平为 0.05。

1. 建立假设

   • 原假设（H0）：城市 A 和城市 B 的用户活跃度比例无差异
   • 备择假设（H1）：城市 A 和城市 B 的用户活跃度比例存在差异

2. 计算检验统计量

   • 城市 A 的用户活跃度比例：p1 = 5,000 / 10,000 = 0.5
   • 城市 B 的用户活跃度比例：p2 = 4,000 / 8,000 = 0.5
   • 总体比例：p = (5,000 + 4,000) / (10,000 + 8,000) = 0.5
   • 检验统计量：
     Z = (p1 - p2) / √[p * (1 - p) * (1 / 10,000 + 1 / 8,000)] = 0

3. 计算 P 值并决策

   • 使用标准正态分布表或统计软件计算 P 值。由于 Z 统计量为 0，P 值为 1，远大于显著性水平 0.05，无法拒绝原假设。结论：城市 A 和城市 B 的用户活跃度比例无显著差异。

假设检验方法总结表格

mermaid 总结

四、相关性分析：探索变量之间的关系

（一）相关性的概念

1. 定义 ：相关性描述了两个变量之间的线性关系程度和方向。相关系数（r）取值范围在 - 1 到 1 之间，r > 0 表示正相关，r < 0 表示负相关，r = 0 表示无线性相关。例如，广告投入与产品销量之间通常存在正相关关系，广告投入增加，产品销量也相应上升。
2. 注意事项 ：相关性不等于因果性，可能存在其他隐藏变量影响两个变量之间的关系。例如，冰淇淋销量和溺水人数之间存在正相关，但这并不是因为吃冰淇淋导致溺水，而是因为夏季气温升高同时促使冰淇淋销量增加和人们游泳频率上升，增加了溺水风险。

（二）相关性分析方法

1. 散点图 ：通过绘制两个变量的散点图，直观观察数据点的分布形态，初步判断变量之间是否存在相关关系。例如，在分析员工工作年限与薪资水平之间的关系时，散点图上的数据点若呈现从左下到右上的趋势，表明二者可能存在正相关关系。
2. Pearson 相关系数 ：用于衡量两个连续变量之间的线性相关程度，要求数据呈正态分布且变量之间存在线性关系。例如，计算学生期末考试成绩与平时作业成绩之间的 Pearson 相关系数，评估二者之间的线性关联强度。
3. Spearman 秩相关系数 ：适用于衡量两个变量之间的单调关系（不一定是线性关系），对数据分布的要求相对宽松。例如，在分析专家对不同方案的排名与实际方案效果排名之间的相关性时，可使用 Spearman 秩相关系数，因为它不受数据具体数值的影响，只关注排名顺序。

相关性分析案例分析

假设我们有一组某地区房地产数据，包含房屋面积（平方米）和房价（万元）两个变量：

• 散点图 ：绘制房屋面积与房价的散点图，可以直观看到数据点大致呈线性分布，从左下到右上延伸，表明房屋面积与房价之间存在较强的正相关关系。

• Pearson 相关系数计算 ：使用 Python 进行计算：

import numpy as np

# 房屋面积和房价数据
area = np.array([60, 70, 80, 90, 100, 110, 120])
price = np.array([120, 140, 160, 180, 200, 220, 240])

# 计算 Pearson 相关系数
correlation_coefficient = np.corrcoef(area, price)[0, 1]
print("Pearson 相关系数：", correlation_coefficient)

输出结果为：Pearson 相关系数：1.0，表示房屋面积与房价之间存在完全正相关关系。这也符合我们的直觉，房屋面积越大，房价通常越高。

相关性分析方法总结表格

mermaid 总结

五、回归分析：预测和解释业务现象

（一）回归分析的基本原理

1. 回归模型的构建 ：通过建立因变量（被解释变量）和自变量（解释变量）之间的数学模型，描述变量之间的定量关系。例如，构建房价预测模型，将房价作为因变量，房屋面积、房龄、周边设施等因素作为自变量，建立回归方程，量化每个自变量对房价的影响。
2. 模型拟合与评估 ：使用最小二乘法等方法估计回归模型的参数，使模型尽可能贴近实际数据。通过计算 R 平方（R²）、均方误差（MSE）等指标评估模型的拟合优度和预测准确性。R 平方值越接近 1，表示模型对数据的解释能力越强；MSE 越小，说明模型预测值与实际值之间的误差越小。

（二）线性回归

1. 简单线性回归 ：研究一个自变量与一个因变量之间的线性关系。例如，分析广告投入与产品销量之间的关系，建立回归方程：销量 = β0 + β1×广告投入 + ε（ε 表示随机误差项），通过收集历史数据，估计 β0 和 β1 的值，预测不同广告投入水平下的产品销量。
2. 多元线性回归 ：研究多个自变量与一个因变量之间的线性关系。例如，预测房屋价格时，除了房屋面积外，还考虑房龄、卧室数量、周边学校质量等多个自变量，建立多元线性回归模型，综合评估这些因素对房价的影响程度和方向。多元线性回归模型形式为：房价 = β0 + β1×面积 + β2×房龄 + β3×卧室数量 + β4×学校质量 + ε。

（三）逻辑回归

1. 适用场景 ：用于分类问题，特别是二分类问题，如预测客户是否购买产品、是否流失、是否违约等。逻辑回归通过 Logistic 函数将线性组合的预测值映射到 (0,1) 区间，表示事件发生的概率。例如，在信贷风险评估中，根据客户的收入、信用评分、贷款历史等特征，使用逻辑回归模型预测客户未来一年内发生贷款违约的概率，帮助银行决定是否批准贷款申请以及确定贷款利率。
2. 模型解释与决策 ：逻辑回归模型的输出结果是概率值，根据设定的阈值（如 0.5）进行分类决策。同时，可以通过分析回归系数了解各个自变量对目标事件发生的影响力方向和大小。例如，逻辑回归模型显示客户的信用评分每提高 100 分，贷款违约概率降低 20%，这为银行优化信贷政策提供了量化依据。

回归分析案例分析

（一）简单线性回归案例：广告投入与产品销量预测

1. 背景

   • 某公司希望通过分析历史广告投入与产品销量数据，建立回归模型，预测不同广告投入下的产品销量，为下一季度的广告预算分配提供依据。

2. 数据收集与模型建立

   • 收集了过去 12 个月的广告投入（万元）和产品销量（千件）数据：

 * 使用 Python 构建简单线性回归模型：

import numpy as np
import matplotlib.pyplot as plt
from sklearn.linear_model import LinearRegression

# 数据收集
X = np.array([[10], [15], [12], [20], [18], [16], [22], [25], [28], [30], [26], [24]])  # 广告投入
y = np.array([60, 70, 65, 80, 75, 72, 85, 90, 95, 100, 93, 90])  # 产品销量

# 模型训练
model = LinearRegression()
model.fit(X, y)

# 获取模型参数
beta_0 = model.intercept_  # 截距
beta_1 = model.coef_[0]  # 广告投入的系数

print(f"截距 β0: {beta_0}")
print(f"广告投入系数 β1: {beta_1}")

# 绘制回归直线
plt.scatter(X, y, color='blue', label='实际数据')
plt.plot(X, model.predict(X), color='red', linewidth=2, label='回归直线')
plt.xlabel('广告投入（万元）')
plt.ylabel('产品销量（千件）')
plt.title('广告投入与产品销量的线性回归')
plt.legend()
plt.show()

 * 运行结果：
   * 截距 β0: 44.28571428571421
   * 广告投入系数 β1: 1.7857142857142858
   * 回归模型方程为：销量 = 44.2857 + 1.7857×广告投入

3. 模型评估与预测
   • 计算 R 平方值评估模型拟合优度：

from sklearn.metrics import r2_score

计算 R 平方

r_squared = r2_score(y, model.predict(X))
print(f"R 平方值: {r_squared}")

       * 输出结果：R 平方值: 0.9206349206349204，表明模型能够解释约 92.06% 的产品销量变异，拟合效果较好。
     * 使用模型进行预测：例如，预测广告投入为 22 万元时的产品销量：
       ```python
predicted_sales = model.predict([[22]])
print(f"预测广告投入 22 万元时的产品销量: {predicted_sales[0]:.2f} 千件")

   * 输出结果：预测广告投入 22 万元时的产品销量: 84.00 千件（实际值为 85 千件，预测较为准确）

4. 模型应用与优化
   • 根据回归模型，公司可以合理规划下一季度的广告预算。例如，若希望产品销量达到 110 千件，可解方程 110 = 44.2857 + 1.7857×广告投入，得出广告投入约为 36.78 万元。
   • 模型优化：持续收集新的销售和广告数据，定期重新训练模型，以适应市场变化和业务发展。例如，随着市场竞争加剧或产品生命周期变化，广告投入对销量的影响可能会发生变化，及时更新模型参数能够确保预测的准确性。

（二）逻辑回归案例：客户流失预测

1. 背景

   • 一家电信公司希望降低客户流失率，通过分析客户行为数据（如每月通话时长、短信数量、数据使用量、套餐类型等），预测客户流失风险，提前采取挽留措施。

2. 数据准备与模型训练

   • 收集了 1000 名客户的样本数据，包括客户特征和是否流失（1 表示流失，0 表示未流失）的标签。部分数据如下：

 * 使用 Python 构建逻辑回归模型：

import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression
from sklearn.metrics import accuracy_score, classification_report

# 数据加载
data = pd.read_csv('customer_churn.csv')

# 特征和标签
X = data[['monthly_call_duration', 'monthly_sms_count', 'monthly_data_usage', 'plan_type']]
y = data['churn']

# 数据集划分
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 模型训练
model = LogisticRegression()
model.fit(X_train, y_train)

# 模型预测
y_pred = model.predict(X_test)

# 评估模型
print(f"模型准确率: {accuracy_score(y_test, y_pred)}")
print(classification_report(y_test, y_pred))

3. 模型评估与应用
   • 运行结果示例：
     • 模型准确率: 0.87
       *分类报告：

              precision    recall  f1-score   support

           0       0.89      0.91      0.90        80
           1       0.84      0.81      0.82        20

    accuracy                           0.87       100
   macro avg       0.87      0.86      0.86       100
weighted avg       0.87      0.87      0.87       100

   * 该模型能够正确预测 87% 的客户是否流失，具有较好的分类性能。
 * 应用模型：将模型应用于实际客户数据，识别高风险流失客户。例如，根据模型预测结果，对流失概率大于 0.6 的客户实施个性化的挽留策略，如提供专属优惠、升级套餐服务、客户关怀电话等，提高客户满意度和忠诚度，降低客户流失率。

4. 模型优化与监控
   • 收集客户反馈和实际流失情况，定期更新模型训练数据，重新训练模型以适应客户行为的变化。例如，随着新技术的推出或市场环境的变化，客户对套餐类型的偏好和数据使用习惯可能会改变，及时调整模型能够保持预测的准确性。
   • 监控模型在实际应用中的性能表现，如准确率、召回率等指标，当指标出现下降时，分析原因并进行模型优化。例如，若发现模型对某一类客户（如高价值客户）的流失预测准确率较低，可以针对性地增加该类客户的样本数据，重新训练模型，提高模型对该类客户群体的预测能力。

回归分析总结表格

mermaid 总结

六、方差分析：比较组间差异

（一）方差分析的基本原理

1. 定义 ：方差分析用于比较三个或更多组的均值，检验它们之间是否存在显著差异。其基本思想是将数据的总变异分解为组间变异和组内变异，通过比较组间变异与组内变异的大小来判断组间差异是否具有统计学意义。例如，在比较三种不同教学方法对学生考试成绩的影响时，方差分析能够帮助我们确定不同教学方法下的学生成绩均值是否存在显著差异。
2. 假设条件 ：方差分析要求数据满足以下假设条件：
   • 正态性 ：每个总体都服从正态分布。可以通过绘制 Q - Q 图、Shapiro - Wilk 检验等方法检验数据的正态性。例如，在进行方差分析之前，对每个组的数据进行 Shapiro - Wilk 正态性检验，若 P 值大于显著性水平（如 0.05），则可以认为数据满足正态性假设。
   • 方差齐性 ：各总体的方差相等。可以使用 Levene 检验等方法检验方差齐性。例如，在比较三个供应商提供的原材料强度数据时，进行 Levene 检验，若 P 值大于 0.05，则表明各供应商数据的方差无显著差异，满足方差齐性要求。
   • 独立性 ：观察值之间相互独立。这需要根据数据收集过程和业务场景进行判断。例如，在进行农业试验分析不同肥料对作物产量的影响时，确保每个样本地块的作物产量不受相邻地块的影响，保证数据的独立性。

（二）单因素方差分析

1. 应用场景 ：当只有一个因素（自变量）对观测变量（因变量）产生影响时，使用单因素方差分析。例如，研究不同品牌饮料在同一家超市的月销售额是否存在显著差异，品牌即为单因素，月销售额为观测变量。
2. 分析步骤 ：
   • 建立假设 ：原假设（H0）为各组均值相等，备择假设（H1）为至少有一组均值与其他组不同。
   • 计算组间均方（MSB）和组内均方（MSW） ：MSB 反映组间变异，MSW 反映组内变异。
   • 计算 F 统计量 ：F = MSB / MSW，若 F 值大于临界值，则拒绝原假设。
   • 决策 ：根据 F 分布表或 P 值判断是否拒绝原假设。例如，在比较三种促销方式对产品销量的影响时，计算得到 F 统计量为 6.89，P 值为 0.002（显著性水平 0.05），拒绝原假设，说明不同促销方式下的产品销量均值存在显著差异。

（三）多因素方差分析

1. 应用场景 ：当有两个或更多因素对观测变量产生交互影响时，使用多因素方差分析。例如，分析不同广告媒体类型（如电视、网络、报纸）和地区（如东部、中部、西部）对某产品销量的共同影响，广告媒体类型和地区即为多因素，产品销量为观测变量。
2. 分析步骤 ：
   • 建立假设 ：对每个因素分别建立原假设和备择假设，同时检验因素之间的交互作用假设。
   • 计算主效应和交互效应的均方 ：分别计算各因素的主效应均方和交互效应均方。
   • 计算 F 统计量 ：对每个因素和交互效应计算 F 统计量。
   • 决策 ：根据 F 分布和 P 值判断各因素和交互效应是否显著。例如，在分析广告媒体和地区对销量的多因素方差分析中，发现广告媒体的 P 值为 0.03，地区 P 值为 0.01，广告媒体×地区交互效应 P 值为 0.04（显著性水平 0.05），表明广告媒体、地区以及它们的交互作用对产品销量均有显著影响。这意味着不同媒体在不同地区的广告效果存在差异，企业需要根据具体情况制定差异化的广告投放策略。

方差分析案例分析

（一）单因素方差分析案例：不同促销方式对产品销量的影响

1. 背景
   • 某零售企业推出了三种不同的促销方式（打折、满减、赠品）来提升产品销量，经过一个月的试运行，收集了各促销方式下的产品销量数据：

2. 分析过程

   • 建立假设 ：

     • 原假设（H0）：三种促销方式下的产品销量均值相等
     • 备择假设（H1）：至少有一种促销方式的产品销量均值与其他两种不同

   • 计算组间均方（MSB）和组内均方（MSW） ：

import pandas as pd
import scipy.stats as stats

# 数据准备
data = {
    '打折': [120, 130, 140, 150, 160],
    '满减': [110, 115, 125, 135, 145],
    '赠品': [100, 105, 110, 115, 120]
}
df = pd.DataFrame(data)

# 单因素方差分析
f_val, p_val = stats.f_oneway(df['打折'], df['满减'], df['赠品'])
print(f"F 统计量: {f_val}")
print(f"P 值: {p_val}")

 * **运行结果** ：
   * F 统计量: 10.816326530612245
   * P 值: 0.001288728858710989

 * **决策** ：由于 P 值（0.001288）小于显著性水平 0.05，拒绝原假设，表明三种促销方式下的产品销量均值存在显著差异。进一步进行事后检验（如 Tukey HSD 检验）可以确定具体哪两种促销方式之间的差异显著。

3. 事后检验（Tukey HSD 检验） ：
   • 使用 Tukey HSD 检验比较三种促销方式两两之间的均值差异：

from statsmodels.stats.multicomp import pairwise_tukeyhsd

# 将数据转换为长格式
data_long = pd.melt(df.reset_index(), id_vars=['index'], value_vars=['打折', '满减', '赠品'], var_name='促销方式', value_name='销量')
data_long = data_long.drop('index', axis=1)

# Tukey HSD 检验
tukey_result = pairwise_tukeyhsd(data_long['销量'], data_long['促销方式'], alpha=0.05)
print(tukey_result)

 * 运行结果示例：

Multiple Comparison of Means - Tukey HSD, FDR correction
===================================================
 group1 group2 meandiff lower upper reject
---------------------------------------------------
 打折 满减 10.0 -2.22 22.22 True
 打折 赠品 20.0 7.78 32.22 True
 满减 赠品 10.0 -2.22 22.22 True
---------------------------------------------------

   * 结果解释：根据 Tukey HSD 检验结果，打折与满减之间的均值差异为 10 件，打折与赠品之间的均值差异为 20 件，满减与赠品之间的均值差异为 10 件，且均拒绝原假设（reject 为 True），说明三种促销方式两两之间的销量均值差异均显著。企业可以根据具体差异大小和业务成本综合考虑，选择最优的促销方式。

（二）多因素方差分析案例：广告媒体和地区对产品销量的共同影响

1. 背景
   • 某公司在全国范围内通过三种广告媒体（电视、网络、报纸）进行产品推广，同时在东部、中部和西部三个地区开展销售活动。经过一个季度的营销实践，收集了各广告媒体和地区组合下的产品销量数据：

2. 分析过程

   • 建立假设 ：

     • 对于广告媒体因素：

       • 原假设（H0）：不同广告媒体的产品销量均值相等
       • 备择假设（H1）：至少有一种广告媒体的产品销量均值与其他两种不同

     • 对于地区因素：

       • 原假设（H0）：不同地区的产品销量均值相等
       • 备择假设（H1）：至少有一个地区的产品销量均值与其他两个地区不同

     • 对于广告媒体×地区交互作用：

       • 原假设（H0）：广告媒体和地区之间不存在交互作用对产品销量的影响
       • 备择假设（H1）：广告媒体和地区之间存在交互作用对产品销量的影响

   • 数据准备与模型训练 ：

     • 将数据整理成适合多因素方差分析的格式，并使用 Python 的 statsmodels 库进行分析：

import pandas as pd
import statsmodels.api as sm
from statsmodels.formula.api import ols

# 数据准备
data = {
    '广告媒体': ['电视', '电视', '电视', '电视', '电视', '电视', '电视', '电视', '电视',
               '网络', '网络', '网络', '网络', '网络', '网络', '网络', '网络', '网络',
               '报纸', '报纸', '报纸', '报纸', '报纸', '报纸', '报纸', '报纸', '报纸'],
    '地区': ['东部', '东部', '东部', '中部', '中部', '中部', '西部', '西部', '西部',
             '东部', '东部', '东部', '中部', '中部', '中部', '西部', '西部', '西部',
             '东部', '东部', '东部', '中部', '中部', '中部', '西部', '西部', '西部'],
    '销量': [500, 520, 510, 450, 460, 440, 380, 390, 400,
             600, 610, 620, 550, 560, 540, 480, 490, 500,
             400, 410, 420, 350, 360, 370, 300, 310, 320]
}
df = pd.DataFrame(data)

# 多因素方差分析模型
model = ols('销量 ~ C(广告媒体) + C(地区) + C(广告媒体):C(地区)', data=df).fit()
anova_table = sm.stats.anova_lm(model, typ=2)
print(anova_table)

 * **运行结果** ：

                          sum_sq   df          F    PR(>F)
C(广告媒体)           1.210e+06   2.0  124.2      3.38e-12 ***
C(地区)               8.200e+05   2.0   91.82     1.13e-10 ***
C(广告媒体):C(地区)   1.017e+05   4.0    5.158    0.006304 **
Residual              1.067e+05  21.0       NaN        NaN

 * **决策** ：
   * 广告媒体的 P 值为 3.38e - 12（远小于 0.05），拒绝原假设，表明不同广告媒体对产品销量有显著影响。
   * 地区的 P 值为 1.13e - 10（远小于 0.05），拒绝原假设，说明不同地区对产品销量有显著影响。
   * 广告媒体×地区的交互作用 P 值为 0.006304（小于 0.05），拒绝原假设，意味着广告媒体和地区之间的交互作用对产品销量有显著影响。

3. 结果解读与应用
   • 根据分析结果，公司可以针对不同地区选择最优的广告媒体组合。例如，在东部地区，网络广告的销量显著高于电视和报纸广告；而在西部地区，电视广告相对更具优势。通过制定差异化的广告投放策略，企业能够更好地利用资源，提升产品销量，提高市场竞争力。

方差分析方法总结表格

mermaid 总结

七、统计过程控制：监控业务流程

（一）控制图的基本原理

1. 定义 ：控制图是一种用于监测和控制业务流程质量的统计工具，通过绘制过程数据随时间的变化并设置控制限，识别过程中的异常波动。例如，在制造业中，使用控制图监控产品质量指标（如产品尺寸、重量等），及时发现生产过程中的异常情况，采取纠正措施，确保产品质量稳定。
2. 控制限的设定 ：控制图通常设置三条线：中心线（CL，通常为过程均值）、上控制限（UCL）和下控制限（LCL）。控制限一般以过程均值加减 3 倍标准差来确定，符合正态分布下 99.7% 的数据都落在控制限内的规律。例如，某产品重量的生产过程均值为 100 克，标准差为 2 克，则上控制限 UCL = 100 + 3×2 = 106 克，下控制限 LCL = 100 - 3×2 = 94 克。

（二）常用控制图类型

1. Xbar - R 图 ：用于监控连续型数据的过程均值和范围。适用于对生产过程中的样本均值和样本极差进行监控。例如，每小时从生产线上抽取 5 个产品样本测量其长度，绘制 Xbar 图（样本均值图）和 R 图（样本极差图），当样本均值超出控制限时，表明生产过程均值发生显著变化；当样本极差超出控制限时，说明过程的波动性增大，需要及时查找原因并调整生产参数。
2. P 图 ：用于监控比例数据（如合格品率、次品率等）。适用于对计数型数据（如每批产品中的合格数量、不合格数量）进行质量监控。例如，某电子产品制造商每天生产一批电路板，统计每批的合格品率并绘制 P 图，当合格品率低于下控制限时，可能表示生产过程出现问题，如原材料质量下降、设备故障等，需要立即停产检查。
3. C 图 ：用于监控单位缺陷数（如每平方米玻璃上的划痕数、每辆车的故障次数等）。适用于对计数型数据（如缺陷数、故障数）进行监控，前提是样本大小保持恒定。例如，汽车制造厂对每辆下线的汽车进行缺陷检查，统计每辆车的缺陷数量并绘制 C 图，当缺陷数量超出上控制限时，表明生产过程中的质量控制出现问题，可能与生产工艺、工人操作规范等因素有关，需要采取改进措施。

统计过程控制案例分析

（一）制造业生产过程监控案例

1. 背景

   • 某机械制造企业生产高精度零部件，需要严格控制产品质量。关键质量指标为零部件尺寸精度，要求尺寸偏差控制在 ±0.05 毫米以内。

2. 控制图应用

   • 数据收集 ：每小时从生产线上随机抽取 5 个零部件样本，测量其尺寸偏差值，共收集 20 组数据（100 个样本）。
   • 计算控制限 ：计算样本均值（Xbar）和样本极差（R）：

import numpy as np

# 零部件尺寸偏差数据（单位：毫米）
samples = [
    [0.02, 0.03, -0.01, 0.00, 0.01],
    [0.04, 0.02, 0.03, 0.01, 0.00],
    [-0.02, -0.01, 0.00, 0.01, -0.03],
    # 更多样本数据...
]

# 计算每组样本均值和极差
xbar_values = []
r_values = []
for sample in samples:
    xbar = np.mean(sample)
    r = np.ptp(sample)  # 计算极差（最大值 - 最小值）
    xbar_values.append(xbar)
    r_values.append(r)

# 计算总体均值和平均极差
overall_xbar = np.mean(xbar_values)
average_r = np.mean(r_values)

# 计算控制限（使用 A2 系数，样本大小为 5 时，A2 = 0.577）
ucl_xbar = overall_xbar + 0.577 * average_r
lcl_xbar = overall_xbar - 0.577 * average_r

# 计算 R 图控制限（使用 D4 和 D3 系数，样本大小为 5 时，D4 = 2.114, D3 = 0）
ucl_r = 2.114 * average_r
lcl_r = 0 * average_r  # 下控制限为 0

print(f"Xbar 图控制限：UCL = {ucl_xbar}, LCL = {lcl_xbar}")
print(f"R 图控制限：UCL = {ucl_r}, LCL = {lcl_r}")

 * **运行结果** ：
   * Xbar 图控制限：UCL = 0.045 毫米，LCL = -0.038 毫米
   * R 图控制限：UCL = 0.085 毫米，LCL = 0 毫米

 * **绘制控制图** ：根据计算的控制限，绘制 Xbar - R 图：

import matplotlib.pyplot as plt

# 绘制 Xbar 图
plt.figure(figsize=(12, 5))
plt.subplot(1, 2, 1)
plt.plot(xbar_values, marker='o')
plt.axhline(y=ucl_xbar, color='r', linestyle='--', label='UCL')
plt.axhline(y=overall_xbar, color='g', linestyle='-', label='CL')
plt.axhline(y=lcl_xbar, color='r', linestyle='--', label='LCL')
plt.title('Xbar Chart')
plt.xlabel('Sample Group')
plt.ylabel('Dimension Deviation (mm)')
plt.legend()

# 绘制 R 图
plt.subplot(1, 2, 2)
plt.plot(r_values, marker='o')
plt.axhline(y=ucl_r, color='r', linestyle='--', label='UCL')
plt.axhline(y=average_r, color='g', linestyle='-', label='CL')
plt.axhline(y=lcl_r, color='r', linestyle='--', label='LCL')
plt.title('R Chart')
plt.xlabel('Sample Group')
plt.ylabel('Range (mm)')
plt.legend()

plt.tight_layout()
plt.show()

 * **结果分析** ：通过观察 Xbar - R 图，发现第 15 组样本的均值超出了上控制限（UCL），同时 R 图中第 10 组样本的极差也接近上控制限，表明生产过程中出现了异常波动。经过调查发现，第 15 组样本生产时段，机床的冷却液供应系统出现故障，导致加工温度升高，影响了零部件尺寸精度；第 10 组样本的极差较大是因为有一批新进刀具磨损严重，切削力不均匀。针对这些问题，维修冷却液系统并更换新刀具后，过程重新回到稳定状态，控制图上的数据点均在控制限内。

3. 过程改进与优化
   • 根据控制图反馈的异常信息，及时调整生产参数和设备维护计划，减少生产过程中的变异。例如，增加对冷却液系统和刀具磨损情况的定期检查频率，优化设备维护流程，确保生产过程的稳定性和产品质量的可靠性。通过持续的统计过程控制，该机械制造企业的零部件尺寸合格率从 85% 提升至 95%，生产效率提高了 20%，生产成本降低了 15%。

（二）服务业客户满意度监控案例

1. 背景

   • 某连锁酒店集团注重客户满意度管理，希望通过统计过程控制实时监控各门店的客户满意度评分，及时发现服务质量问题并采取改进措施。

2. 控制图应用

   • 数据收集 ：每月收集各门店的客户满意度评分（满分 100 分），每家门店作为一个样本组，连续收集 12 个月的数据。
   • 选择控制图类型 ：由于数据为连续型评分数据，且样本组大小固定（每组为一家门店的月度评分），选择 Xbar - R 图进行监控。
   • 计算控制限并绘图 ：按照 Xbar - R 图的计算方法确定控制限，并绘制控制图。例如，某门店的客户满意度评分数据如下：

 * 经计算得到 Xbar 图的控制限为：UCL = 92.2 分，LCL = 79.8 分；R 图的控制限为：UCL = 8.3 分，LCL = 0 分。绘制控制图后，发现第 10 个月的评分（83 分）接近下控制限，表明客户满意度出现下降趋势。

3. 调查与改进
   • 酒店管理层对该门店第 10 个月的服务情况进行深入调查，发现当月酒店前台接待人员流动频繁，新员工培训不足，导致客户入住办理手续繁琐、问题响应不及时。针对这些问题，酒店加强了前台员工的培训，优化了入住和退房流程，并增加了客户反馈渠道，及时处理客户投诉和建议。改进后，后续月份的客户满意度评分稳定在 85 分以上，控制图显示过程恢复稳定，客户满意度得到有效提升。

统计过程控制总结表格

mermaid 总结